2 大模型时代狂飙猛进 22
2.2.1 语言模型的发展历程 22
2.2.2 LLM的关键技术 24
2.2.3 LLM的典型应用 26
第2部分 大模型驱动的智能体
第3章 什么是智能体 31
3.1 智能体的定义与特点 31
3.1.1 智能体的定义 32
3.1.2 智能体的特征 33
3.1.3 智能体的应用 34
3.2 智能体与传统软件的关系 36
3.2.1 智能体与传统软件的区别 36
3.2.2 智能体在软件开发中扮演的角色 38
3.2.3 智能体与传统软件的集成 39
3.2.4 智能体在软件开发中的案例 40
3.3 智能体与LLM的关系 43
3.3.1 回顾LLM的神奇之处 43
3.3.2 智能体与LLM的交互 44
3.3.3 智能体与LLM的合作实例 46
3.3.4 智能体与LLM融合中的技术挑战 47
3.3.5 对智能体与LLM合作的展望 49
第4章 智能体的核心技术 51
4.1 NLP 51
4.1.1 NLP的核心技术 52
4.1.2 伦理、偏见与技术挑战 53
4.1.3 NLG 55
4.1.4 多模态处理和NLP 56
4.1.5 回顾和展望 57
4.2 从ChatGPT到智能体 58
4.2.1 ChatGPT的特点 59
4.2.2 AI和NLP的演进 60
4.2.3 技术突破与伦理挑战 61
4.3 智能体的五种超能力 62
4.3.1 记忆 62
4.3.2 规划 64
4.3.3 工具使用 65
4.3.4 自主决策 67
4.3.5 推理 68
4.3.6 应用展望 70
第3部分 下一代软件可以不必是软件
第5章 自然语言带来交互革命 75
5.1 从图形用户界面到自然语言的进化 75
5.1.1 交互界面的进化 75
5.1.2 图形用户界面 76
5.1.3 自然语言交互 77
5.1.4 会话界面兴起 79
5.1.5 交互界面的未来 80
5.2 如何改变用户体验 81
5.2.1 用户体验演变 81
5.2.2 自然语言交互崛起 82
5.2.3 未来展望 83
第6章 高度自动化带来生产力革命 85
6.1 人机协同的方法和框架 85
6.1.1 人机协同的重要性 85
6.1.2 人机协同的核心目标 86
6.1.3 人机协同的方法和框架 87
6.1.4 人机协同的典型案例 88
6.1.5 生产力革命 89
6.1.6 未来展望 91
6.2 企业级应用与任务规划 92
6.2.1 企业级应用的需求 92
6.2.2 任务规划的作用 94
6.2.3 企业如何选择工具 94
6.2.4 机遇与挑战 96
6.2.5 未来展望 97
第7章 多智能体系统的未来 98
7.1 单智能体系统与多智能体系统的差异 98
7.1.1 单智能体系统的特点 99
7.1.2 多智能体系统的特点 100
7.1.3 技术进步与分析和比较 101
7.1.4 对企业的影响与未来趋势 103
7.2 模拟真实世界的组织结构与工作流程 104
7.2.1 组织结构模拟 105
7.2.2 工作流程模拟 106
7.2.3 技术进步与实践应用 108
7.2.4 根据模拟结果进行组织结构和工作流程优化 109
7.2.5 未来趋势 110
第4部分 典型案例和商业应用
第8章 斯坦福小镇项目：生成式智能体的典型案例 115
8.1 实验背景与目的 115
8.1.1 非凡之旅 115
8.1.2 概念框架 116
8.1.3 核心技术 118
8.1.4 生成式智能体设计 121
8.1.5 实验目的 123
8.2 生成式智能体架构设计 125
8.2.1 基础架构 125
8.2.2 记忆和检索 126
8.2.3 反思 128
8.2.4 规划和反应 130
8.2.5 行为和互动 131
8.2.6 用户参与 132
8.3 对未来的启示 133
8.3.1 生成式智能体的潜力无限 133
8.3.2 生成式智能体的伦理挑战 136
8.3.3 潜力与伦理并重的未来 137
第9章 自主式智能体的典型案例 139
9.1 AutoGPT：通过自然语言的需求描述执行自动化任务 140
9.1.1 AutoGPT的核心功能 140
9.1.2 AutoGPT的技术架构 141
9.1.3 AutoGPT的应用范围 141
9.1.4 未来展望 142
9.2 BabyAGI：根据任务结果自动创建、排序和执行新任务 143
9.2.1 BabyAGI的核心功能 143
9.2.2 BabyAGI的技术架构 144
9.2.3 未来展望 145
9.3 MetaGPT：重塑生成式AI与软件开发界面的
多智能体架构 146
9.3.1 MetaGPT的核心功能 146
9.3.2 MetaGPT的安装和配置 150
9.3.3 石头、剪刀、布游戏开发中的实例分析 151
9.3.4 在软件开发市场中的竞争地位与竞争优势 152
9.3.5 未来展望 153
9.4 AutoGen：下一代LLM应用的启动器 154
9.4.1 AutoGen的核心功能 154
9.4.2 AutoGen的技术架构 155
9.4.3 AutoGen的应用案例 156
9.4.4 AutoGen的核心优势 157
9.4.5 未来展望 158
9.5 ChatDev：重塑软件开发的AI群体智能协作框架 159
9.5.1 基本介绍 159
9.5.2 ChatDev的技术架构 162
9.5.3 ChatDev的实际应用 164
9.5.4 ChatDev的优势和挑战 165
9.5.5 未来展望 166
9.6 Camel.AI：引领自主与交流智能体的未来 166
9.6.1 Camel.AI的核心概念 166
9.6.2 Camel.AI的技术架构 167
9.6.3 Camel.AI的实际应用 170
9.6.4 Camel.AI的实验和性能评估 172
9.6.5 未来展望 173
第5部分 智能体的潜能与机遇
第10章 从智能体到具身智能 177
10.1 具身智能的定义与特点 177
10.1.1 智能体与具身智能的区别 177
10.1.2 具身智能的核心概念 179
10.1.3 具身认知理论的重要性 180
10.2 感知和解析环境与自主决策 182
10.2.1 感知和解析环境的技术 182
10.2.2 从感知到行动的过程 183
10.2.3 自主决策的重要性 184
10.2.4 交互式学习与决策优化 185
10.3 从软件到硬件的进化 186
10.3.1 软件的角色与硬件的配合 186
10.3.2 硬件进化对软件的影响 187
10.3.3 具身智能在硬件设计中的应用 188
10.3.4 软硬件协同发展的未来展望 189
10.4 具身机器人的应用场景 190
10.4.1 具身机器人在工业领域的应用 190
10.4.2 具身机器人在医疗领域的应用 191
10.4.3 具身机器人在日常生活中的应用 193
10.4.4 具身机器人的发展趋势 194
10.5 具身智能研究的挑战与机遇 195
10.5.1 当前的研究难点与挑战 195
10.5.2 解决方案与研究方向 196
10.5.3 具身智能对未来社会的影响 198
10.5.4 具身智能的商业潜力与市场前景 199
10.6 具身智能的核心与未来 200
10.6.1 重新审视智能体的重要性 200
10.6.2 对研究者和实践者的建议 201
第11章 智能体与未来的关系 202
11.1 重塑Web3.0格局的可能性 202
11.1.1 Web3.0的定义与特点 202
11.1.2 智能体在Web3.0中的角色 203
11.1.3 智能体在Web3.0中的应用案例 205
11.2 智能体在元宇宙里的应用 206
11.2.1 元宇宙的定义与发展 206
11.2.2 元宇宙里的智能体应用 207
11.2.3 智能体在元宇宙里的应用案例 208
第6部分 展望：安全、发展、边界和挑战
第12章 数据治理与社会伦理 213
12.1 数据隐私保护与数据安全问题 213
12.1.1 数据收集与处理的风险 213
12.1.2 数据治理的重要性 214
12.2 自主决策与人类的伦理界限 215
12.2.1 自主决策的伦理考量 215
12.2.2 伦理原则与自主AI的选择 216
12.2.3 决策边界的确定和调整 217
第13章 技术边界与未来无限 219
13.1 当前技术的局限性 219
13.1.1 数据访问和数据质量问题 219
13.1.2 逻辑编程的局限性 220
13.1.3 应用领域的多方面挑战 221
13.1.4 决策过程中的偏见问题 222
13.1.5 处理复杂任务和理解人类意图的局限 223
13.2 技术的发展趋势 224
13.2.1 技术不断进步引领未来 224
13.2.2 数据科学与AI技术的进步 226
13.2.3 与其他先进技术的结合 227
